Tvůj první volání API
Na této stránce
Lekce aktualizována 3. listopadu 2026 na základě dokumentace OpenAI: parametry
temperatureatop_pjsou přijímány pouze při úsilí o odvozování (reasoning effort) nastaveném nanone, zatímco modely GPT-5.6 ve výchozím nastavení odvozují (medium). Volání, která tyto parametry nastavují, musí proto specifikovatreasoning={"effort": "none"}(Responses API) neboreasoning_effort="none"(Chat Completions). Zdroje: Používání GPT-6 · GPT-5.6 Terra.
Tvůj první volání API
Tvé prostředí je připraveno: pojďme se dát do práce. Chystáš se provést své první volání Responses API, rozebrat objekt, který vrátí, a poté manipulovat s parametry, které oddělují obecnou odpověď od užitečné.
Nejjednodušší volání
Stačí ti dva parametry: model, identifikátor modelu, na který se dotazuješ, a input, tvůj prompt – buď textový řetězec, nebo seznam zpráv, jak uvidíš za chvíli.
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5.6-terra",
input="What is the difference between Python and JavaScript?"
)
print(response.output_text)
# Result: Python is a versatile language oriented toward data science
# and backend development, while JavaScript is primarily used for
# frontend and backend web development (via Node.js)...
Co odpověď skutečně obsahuje
output_text je jen zkratka pro pohodlí. Objekt response také nese své jedinečné ID – nezbytné pro řetězení výměn a vyhledávání volání v tvých logách –, skutečný použitý model a rozpis spotřeby tokenů. Zvykni si zaznamenávat tyto tři informace hned od svých prvních skriptů. To ti umožní později odpovědět na otázku: „Proč se tento měsíc účet zdvojnásobil?“
response = client.responses.create(
model="gpt-5.6-terra",
input="Hello, how are you?"
)
# Text odpovědi (zkratka)
print(response.output_text)
# Jedinečné ID odpovědi
print(f"ID: {response.id}")
# Použitý model
print(f"Model: {response.model}")
# Spotřebované tokeny
print(f"Input tokens: {response.usage.input_tokens}")
print(f"Output tokens: {response.usage.output_tokens}")
print(f"Total tokens: {response.usage.total_tokens}")
# Result:
# Hello! I'm doing very well, thank you. How can I help you?
# ID: resp_abc123xyz
# Model: gpt-5.6-terra
# Input tokens: 14
# Output tokens: 19
# Total tokens: 33
Parametry, na kterých záleží
temperature řídí variabilitu generování. Při hodnotě 0,0 model systematicky vybírá nejpravděpodobnější pokračování: toto je nastavení pro faktické otázky, extrakci dat a cokoli, co potřebuješ identicky reprodukovat. Při hodnotě 1,0 více zkoumá, což je to, co chceš pro pojmenovávání, kreativní psaní nebo generování variant.
# Nízká teplota (0.0) = deterministické, faktické
response_factual = client.responses.create(
model="gpt-5.6-terra",
reasoning={"effort": "none"}, # temperature requires effort none
input="What is the capital of Germany?",
temperature=0.0
)
print(response_factual.output_text)
# Result: The capital of Germany is Berlin.
# Vysoká teplota (1.0) = kreativní, rozmanité
response_creative = client.responses.create(
model="gpt-5.6-terra",
reasoning={"effort": "none"}, # temperature requires effort none
input="Invent a name for a literary café.",
temperature=1.0
)
print(response_creative.output_text)
# Result: "The Wandering Pages"—a café where every table bears
# the name of a famous chapter.
Parametr instructions přebírá roli staré systémové zprávy: definuje roli, tón a omezení, která musí model udržovat během celé výměny, bez ohledu na položenou otázku. V níže uvedeném příkladu by stejná otázka položená bez instrukcí vytvořila seznam obecných tipů; s nimi vytvoří recepty.
response = client.responses.create(
model="gpt-5.6-terra",
instructions="You are an expert in French cuisine. "
"Always respond with recipe suggestions.",
input="I don't know what to do with zucchini."
)
print(response.output_text)
# Result: Here are three ideas for your zucchini:
# 1. Zucchini gratin with goat cheese...
# 2. Provençal ratatouille...
# 3. Cold zucchini velouté with mint...
Nakonec max_output_tokens omezuje délku odpovědi. Jedná se o rozpočtovou pojistku, nikoli pokyn pro psaní: odpověď je abruptně ukončena, jakmile je dosaženo limitu. Pokud chceš krátkou, dobře utvořenou odpověď, požádej o to také v promptu.
response = client.responses.create(
model="gpt-5.6-terra",
input="Explain general relativity.",
max_output_tokens=100
)
print(response.output_text)
print(f"Tokens used: {response.usage.output_tokens}")
# The response will be truncated at approximately 100 tokens
Přechod na strukturovaný vstup
Když jednoduchý řetězec nestačí, input přijímá seznam zpráv. Minimální forma obsahuje jediný turnus, ale přínos se projeví, jakmile poskytneš historii: model pak má přístup k tomu, co již bylo řečeno, a odpovídá accordingly. Zde je „pokrok“ chápán v kontextu Pythonu, nikoli abstraktně.
response = client.responses.create(
model="gpt-5.6-terra",
input=[
{
"role": "user",
"content": "Translate to English: Hello world"
}
]
)
print(response.output_text)
# Result: Hello world
# S kontextem konverzace
response = client.responses.create(
model="gpt-5.6-terra",
input=[
{
"role": "user",
"content": "My favorite language is Python."
},
{
"role": "assistant",
"content": "Python is an excellent choice! It is very versatile."
},
{
"role": "user",
"content": "Give me a tip to improve."
}
]
)
print(response.output_text)
# Result: To improve in Python, I recommend that you...
Nikdy nenechávej volání nechráněná
Síťová volání selhávají a klíče vyprší. Tři výjimky pokrývají většinu případů při začátcích: AuthenticationError pro chybějící nebo neplatný klíč, RateLimitError, když překročíš povolenou propustnost, a APIError jako obecná bezpečnostní síť. Celá lekce se vrátí k úplné strategii, ale od dneška obaluj svá volání.
from openai import OpenAI, APIError, AuthenticationError, RateLimitError
client = OpenAI()
try:
response = client.responses.create(
model="gpt-5.6-terra",
input="Hello!"
)
print(response.output_text)
except AuthenticationError:
print("Error: Invalid or missing API key")
except RateLimitError:
print("Error: Too many requests, wait a moment")
except APIError as e:
print(f"API Error: {e.message}")
Abys vše upevnil, napiš skript, který položí tři otázky a akumuluje spotřebované tokeny. Zkombinuješ smyčku volání, teplotu 0,0 pro stabilní odpovědi a čtení usage – tři základní reflexy.
from openai import OpenAI
client = OpenAI()
questions = [
"What is the largest ocean in the world?",
"Who painted the Mona Lisa?",
"How many planets are in the solar system?"
]
total_tokens = 0
for question in questions:
response = client.responses.create(
model="gpt-5.6-terra",
reasoning={"effort": "none"}, # temperature requires effort none
input=question,
temperature=0.0
)
tokens = response.usage.total_tokens
total_tokens += tokens
print(f"Q: {question}")
print(f"A: {response.output_text}")
print(f" ({tokens} tokens)\n")
print(f"Total: {total_tokens} tokens consumed")
Klíčové poznatky
- Základní volání vyžaduje pouze
modelainput response.output_textposkytuje text odpovědiresponse.usagedetailně popisuje spotřebu tokenůtemperatureřídí kreativitu (0,0 = faktické, 1,0 = kreativní)instructionsnahrazují systémovou zprávu z Chat Completions- Vždy zpracovávej chyby pomocí bloků try/except